English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Zendy Open

Presents the pdf analysis as premium feature

PDF Analysis

Insights

Presents the summarisation as premium feature

Summarisation

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the zaia usage as premium feature

ZAIA

Zendy Tools

Zendy Plus

Presents the access of premium content as premium feature

Premium Content

Les technologies de l’information et le succes des services associes (e.g. blogs, forums…) ont ouvert la voie a un mode d’expression massive d’opinions sur les sujets les plus varies (sites de e-commerces, films, etc.). Recemment, de nouvelles techniques de detection automatique d’opinion (opinion-mining) proposent des analyses statistiques des avis exprimes afin de degager une tendance globale des opinions recueillies sur une entite evaluee. Neanmoins, une analyse plus fine montre que les arguments des internautes relevent de criteres de jugement distincts. Les approches d’opinion-mining traitent peu de cet aspect multicritere pourtant riche en informations. Dans cet article, nous proposons de caracteriser automatiquement les segments de textes relevant d’un critere donne sur un corpus de critiques. A partir d’un ensemble restreint de mots-cles associes a un critere, notre approche construit automatiquement une base d’apprentissage. Des experiences menees sur des jeux de donnees reelles illustrent l’efficacite du processus.

Vers une caractérisation automatique de critères pour l’opinion-mining